logo
28 Кві 2023

Shazam для промисловості: українці створили стартап, який по звуку розпізнає поламки обладнання і допомагає їх виправити. Ось їхня історія

Альона Лебедєва

Редакторка довгих текстів

У 2016 році три математики: Андрій Старжинський, Ярослав Недашковський та Андрій Столбов заснували стартап a-Gnostics. Він допомагає підприємствам виявляти аномалії обладнання та прогнозувати поламки – і все це за участю штучного інтелекту.

Shazam для промисловості: українці створили стартап, який по звуку розпізнає поламки обладнання і допомагає їх виправити. Ось їхня історіяShazam для промисловості: українці створили стартап, який по звуку розпізнає поламки обладнання і допомагає їх виправити. Ось їхня історія
Команда a-Gnostics

Команда a-Gnostics

Два роки потому в межах роботи над проєктом для ДТЕК колеги відвідали Ладижинську ТЕС у Вінницькій області. Всередині котла електростанції робітники ТЕС розказали їм, що під час перевірки роботи обладнання і виявлення поламок вони… слухають його. Адже, коли труби з водою зазнають пошкоджень, з них виходить пара – і це дуже чутно.

Колеги-математики були настільки вражені, що вирішили навчити алгоритми прогнозувати поламки промислового обладнання саме по звуку. Редакції MC.today команда a-Gnostics розказала, як працювали над «Shazam для промисловості» та як вони співпрацюють з ДТЕК, МХП й НЕК «Укренерго».

Онлайн-курс "Business English" від Laba.
Вивчіть базу граматики, лексики та вокабуляру.Використовуйте англійську в спонтанній розмові з колегами та клієнтами.Прокачайте її до впевненого В1 — для розвитку кар’єри в бізнесі.
Приєднатись до курсу

Зустріч, яка все змінила

Понад 10 років ми працювали в аутсорсинговій компанії SoftElegance – робили ПЗ на замовлення. Але нашим захопленням був ШІ та машинне навчання. В той час в Україні та світі їх не впроваджували у промислових масштабах. Розробка велась на рівні наукових дискусій та академічних проєктів, які мали радше теоретичну користь, ніж практичну.

У 2016 році ми розробили «цифровий двійник» нафтової свердловини. Це така цифрова копія, яка в режимі реального часу аналізує її показники та допомагає спрогнозувати, як зміна параметрів вплине на стан системи загалом.

Це була теоретична розробка. Ми представили її на конференції Spark Summit в Брюсселі, присвяченій Big Data та машинному навчанню.

Під час конференції ми спілкувались із СЕО Databricks Алі Ґодсі й він сказав, що йому дуже сподобалась розробка нашого «двійника». А на той момент Databricks була провідною компанією у сфері Big Data та машинного навчання. Також Алі поділився з нами цікавою інформацією, що в технологічних компаніях Америки співвідношення технічних спеціалістів та продавців – 1:1. Це для нас було неочікувано, але стало маркером, куди треба рухатись далі.

Це настільки нас надихнуло, що вже наступного дня ми вирішили не зволікати, а вже розробляти власний продукт на основі ШІ для українських промислових підприємств. 28 жовтня 2016 ми вважаємо днем народження стартапу a-Gnostics.

Як штучний інтелект полегшив життя ДТЕК

Серед підприємців цікавість до ШІ потроху росла, але у 2016 році ще ніхто не наважувався впроваджувати його. Першими у 2018 році за це взялись в ДТЕК.

Спільно з акселератором для стартапів Radar Tech вони запустили конкурсну програму для пошуку інноваційних технологій у сфері енергетики. Туди взяли 10 проєктів, половина з яких розробляла продукти на основі ШІ – ми були в їх числі.

Команда a-Gnostics, генеральний директор ДТЕК Максим Тімченко, та директор з інновацій ДТЕК Емануеле Вольпе

Команда a-Gnostics, генеральний директор ДТЕК Максим Тімченко, та директор з інновацій ДТЕК Емануеле Вольпе

Для ДТЕК ми мали створити технологію, яка б прогнозувала споживання електроенергії у Київській, Донецькій та Дніпропетровській областях. Це було потрібно енергетикам, щоб ефективно розподіляти енергію. А також – трейдерам, щоб знати, яким буде споживання та скільки потрібно закупити електроенергії на місяць. До цього співробітники робили такі прогнози самотужки.

У 2019 році у нас були готові моделі, які автоматизували прогнозування. Для розуміння: модель – це програмний код, в нашому випадку на python. В ньому реалізований математичний алгоритм, що аналізує дані. Система отримує початкові дані – наприклад, факти споживання електроенергії – «проганяє» через алгоритми й видає прогноз.

Цей віртуальний «енергетик» економить кожному фахівцю до двох годин роботи. Для підвищення точності прогнозів моделі також враховують вплив погоди, святкових днів, вихідних тощо. Працівник просто отримує зранку кілька прогнозів та вибирає той, що відповідає ситуації та його експертній думці.

Ми тоді захопилися ідеєю, що ШІ зможе працювати замість людини. А ось деякі співробітники злякалися залишитися без роботи й з обережністю поставилися до нашої розробки. Це була наша помилка в комунікації. Тож згодом ми почали пояснювати, що алгоритм покликаний спростити життя, а не скоротити штат.

Прогнози наших моделей перевіряли незалежні фахівці. Ось як це відбувалося: вони отримували прогнози від людини та від машини, але не знали, де чий. Аналізували їх та визначали, хто «більший молодець». Прогнози нашої системи були точними на 95-99%, тож ДТЕК запропонував нам співпрацю.

А у 2020 нашою розробкою зацікавилось МХП. Для їхніх птахофабрик ми теж розробили «віртуального енергетика». Це великі підприємства, тож їм потрібно наперед робити розрахунки закупівлі електроенергії. Ми підрахували, що використовуючи ШІ, вони можуть економити на електроенергії 300-500 тис. грн на місяць, – завдяки точному прогнозуванню.

Команда a-Gnostics, технічний директор департаменту птахівництва МХП Віталій Адамчук

Команда a-Gnostics, технічний директор департаменту птахівництва МХП Віталій Адамчук

«Shazam» для промислових двигунів

Ще в акселераторі від ДТЕК нам влаштували екскурсію на Ладижинську ТЕС. Під час неї ми заходили всередину котла електростанції – це така здоровенна конструкція висотою з 10-поверховий будинок. Всередині безліч маленьких трубочок, в яких гріється вода, потім крутиться турбіна і виробляється електроенергія.

Машинне приміщення теплової електростанції

Машинне приміщення теплової електростанції

Співробітники ТЕС розказали, що іноді, коли вони топлять котел вуглем, зола починає роз’їдати ці трубочки. Тоді з них виходить пара, і це дуже чутно. Тож, коли вони перевіряють обладнання, підходять до нього і прислухаються, чи є пошкодження. Такий підхід маштабований для великої кількості промислового обладнання.

Тоді у нас й виникла ідея, що цей процес теж можна автоматизувати. Записувати ці звуки на телефон і передавати дані через мобільний застосунок, який подібно Shazam буде розпізнавати поламки по звуку.

На додачу це зможе допомогти й у підготовці нових спеціалістів. Те, що одна людина чує і розуміє, інша може і не почути через брак досвіду. Але ми вирішили піти далі й навчити ШІ не тільки розпізнавати звуки поламок, але й аналізувати стан обладнання і прогнозувати, коли воно може вийти з ладу.

Курс Power Skills For Tech від Enlgish4IT.
Зменшіть кількість непорозумінь на робочому місці та станьте більш ефективним у спілкуванні в мультикультурній команді. Отримайте знижку 10% за промокодом ITCENG.
Реєстрація на курс

Записували все: від офісного чайника до елеваторів

Роботу над застосунком для звукової аналітики ми почали наприкінці 2021 року, а назвали його Di-agnostics.

Розробка відбувалась так: спочатку ми створили математичні алгоритми для розпізнавання. Але щоб вони працювали, їх потрібно «‎‎нагодувати» різними даними.

Ми почали з непромислових звуків: записували все, що знайшли в офісі – від дрилі до чайника, вчили систему відрізняти їх. Потім записали двигун автомобіля і впевнились, що, почувши його, система скаже: «О, це Toyota».

Далі перейшли до промислового обладнання: в 120 км від нашого офісу стоїть комбікормовий завод та елеваторні комплекси. Там ми записували наші перші звуки обладнання в промисловому використанні.

Для замовника впровадження звукової аналітики виглядає так: спочатку він або ми записуємо звуки обладнання, це можна робити через телефон. Далі математична модель навчається на цих даних – як має звучати справний двигун і, коли чує відхилення – сигналізує про аномальний стан.

Маючи велику базу знань та додаткові алгоритми перетворення даних, можливо створити більш точні моделі. Також, якщо під час пілотного проєкту вдається записати звук обладнання, яке вже працює в ранньому передаварійному стані, система стає готовою для промислового використання. Таким чином вдається запобігти більш серйозним поламкам.

Перевага ШІ в тому, що згодом він може перенавчатися самостійно. Одного разу він був здатний виявити складну залежність. Використовуючи велику кількість даних, включно прогнозуючи споживання електроенергії, система змогла спрогнозувати ракетний обстріл України. Скоріш за все, ворог використовував якусь закономірність.

Ми плануємо продовжувати працювати над «Shazam для промислового обладнання». Звукова аналітика має перспективи й у військовій справі – визначати по звуку, який тип повітряного об’єкта летить, наприклад. Також, цей процес можна автоматизувати, щоб працювати в режимі 24х7.

Курс-професія "Junior Data Analyst" від robot_dreams.
Комплексний курc для всіх, хто хоче опанувати нову професію з нуля.На прикладі реальних датасетів ви розберете кожен етап аналізу даних.
Програма курсу і реєстрація

По темі:

Спецпроекти

Новини

Вакансії компаній

Менеджер з активних продажів B2B

Creators Media Group
20 000 – 40 000 грн, Ставка + відсоток

Надихаючі компанії-работодавці

Ваша жалоба отправлена модератору

Повідомити про помилку

Текст, який буде надіслано нашим редакторам: